先区分 SLI、SLO 和 SLA

SLI 是实际测量指标，例如成功率或延迟分位数；SLO 是希望达到的目标；SLA 是合同层面的承诺及未达标处理。Google SRE 资料强调，应先定义可量化指标，再用目标驱动运维决策。

同一个“99.9%”如果没有测量窗口、探测位置和成功定义，就无法比较。合同文字与监控实现必须使用同一口径。

代理场景建议指标

指标必须说明
连接成功率协议、端口、超时、测试目标和重试是否计入
请求成功率哪些状态码算成功，目标故障如何排除
延迟连接、首字节或总耗时；P50/P95/P99
吞吐单连接/总并发、测试文件、时段和限速
出口/地区准确性使用哪个数据库、允许多大误差、更新时间
恢复时间故障确认、替换、回切和通知时间

平均值容易掩盖问题

只报平均延迟会掩盖长尾。应同时查看成功与失败请求的延迟分布，并在高峰和非高峰分别采样。Google SRE 的监控方法关注延迟、流量、错误和饱和度，这四类信号也适合用于代理网关和 API。

客户端、代理节点、目标服务和本地网络都会影响结果，因此探测点必须固定并保留环境信息。

一套可复测的验收方案

  1. 选择自己控制的稳定目标和至少两个测试地区。
  2. 固定协议、并发、超时、请求频率和统计窗口。
  3. 保存原始时间戳、状态、错误类别和耗时，不只保存汇总截图。
  4. 分别统计直连基线与代理结果，标记目标自身故障。
  5. 在正式采购前执行短期试用，并约定上线后的持续监控口径。

合同中还要写什么

明确维护窗口、计划通知、问题分级、支持响应、数据导出、凭据撤销、终止和退款/服务补偿条件。地区、运营商、库存和价格属于动态事实，应以合同或订单当期说明为准。

不要把“节点数量”“覆盖城市”直接等同于质量；只有能按统一方法复测的指标才具有可比性。

常见问题

99.9% 可用率一定好吗？

只有定义测量窗口、成功条件、探测位置、排除项和数据来源后才有意义。

为什么要看 P95/P99 延迟？

平均值会掩盖少量极慢请求，分位数更能反映用户遇到的长尾体验。

节点数量越多 SLA 越好吗？

不一定。节点数量不等于连接成功率、稳定性、容量或恢复能力，仍需按统一方法测试。

继续阅读

主要参考资料

资料最后复核：2026-09-05。外部文档可能更新，操作前请核对来源页面当前版本。